我强烈建议您查看xarray
和dask
项目。使用这些强大的工具将允许您轻松地将计算拆分为块。这带来了两个优势:您可以计算无法放入内存的数据,并且您可以使用机器中的所有内核以获得更好的性能。You can optimize the performance by appropriately choosing the chunk size (see documentation ).
您可以通过执行以下简单操作从 netCDF 加载数据
import xarray as xr
ds = xr.open_dataset(path_file)
如果要沿时间维度以年为单位分块数据,则指定chunks
参数(假设年坐标名为“年”):
ds = xr.open_dataset(path_file, chunks={'year': 10})
由于其他坐标没有出现在chunks
字典中,因此将使用单个块。(请参阅此处的文档中的更多详细信息。)。这对于您的第一个要求很有用,您希望每年乘以 2D 数组。您只需执行以下操作:
ds['new_var'] = ds['var_name'] * arr_2d
现在,xarray
并且正在懒惰地dask
计算您的结果。为了触发实际计算,您可以简单地要求将结果保存回 netCDF:xarray
ds.to_netcdf(new_file)
计算通过 触发dask
,它负责将处理分成块,从而可以处理不适合内存的数据。此外,dask
将负责使用所有处理器内核来计算块。
和项目仍然不能很好xarray
地dask
处理块不能很好地“对齐”以进行并行计算的情况。由于在这种情况下,我们仅在“年份”维度中进行了分块,因此我们预计不会有任何问题。
如果你想把两个不同的 netCDF 文件加在一起,很简单:
ds1 = xr.open_dataset(path_file1, chunks={'year': 10})
ds2 = xr.open_dataset(path_file2, chunks={'year': 10})
(ds1 + ds2).to_netcdf(new_file)
我使用在线可用的数据集提供了一个完整的工作示例。
In [1]:
import xarray as xr
import numpy as np
# Load sample data and strip out most of it:
ds = xr.open_dataset('ECMWF_ERA-40_subset.nc', chunks = {'time': 4})
ds.attrs = {}
ds = ds[['latitude', 'longitude', 'time', 'tcw']]
ds
Out[1]:
<xarray.Dataset>
Dimensions: (latitude: 73, longitude: 144, time: 62)
Coordinates:
* latitude (latitude) float32 90.0 87.5 85.0 82.5 80.0 77.5 75.0 72.5 ...
* longitude (longitude) float32 0.0 2.5 5.0 7.5 10.0 12.5 15.0 17.5 20.0 ...
* time (time) datetime64[ns] 2002-07-01T12:00:00 2002-07-01T18:00:00 ...
Data variables:
tcw (time, latitude, longitude) float64 10.15 10.15 10.15 10.15 ...
In [2]:
arr2d = np.ones((73, 144)) * 3.
arr2d.shape
Out[2]:
(73, 144)
In [3]:
myds = ds
myds['new_var'] = ds['tcw'] * arr2d
In [4]:
myds
Out[4]:
<xarray.Dataset>
Dimensions: (latitude: 73, longitude: 144, time: 62)
Coordinates:
* latitude (latitude) float32 90.0 87.5 85.0 82.5 80.0 77.5 75.0 72.5 ...
* longitude (longitude) float32 0.0 2.5 5.0 7.5 10.0 12.5 15.0 17.5 20.0 ...
* time (time) datetime64[ns] 2002-07-01T12:00:00 2002-07-01T18:00:00 ...
Data variables:
tcw (time, latitude, longitude) float64 10.15 10.15 10.15 10.15 ...
new_var (time, latitude, longitude) float64 30.46 30.46 30.46 30.46 ...
In [5]:
myds.to_netcdf('myds.nc')
xr.open_dataset('myds.nc')
Out[5]:
<xarray.Dataset>
Dimensions: (latitude: 73, longitude: 144, time: 62)
Coordinates:
* latitude (latitude) float32 90.0 87.5 85.0 82.5 80.0 77.5 75.0 72.5 ...
* longitude (longitude) float32 0.0 2.5 5.0 7.5 10.0 12.5 15.0 17.5 20.0 ...
* time (time) datetime64[ns] 2002-07-01T12:00:00 2002-07-01T18:00:00 ...
Data variables:
tcw (time, latitude, longitude) float64 10.15 10.15 10.15 10.15 ...
new_var (time, latitude, longitude) float64 30.46 30.46 30.46 30.46 ...
In [6]:
(myds + myds).to_netcdf('myds2.nc')
xr.open_dataset('myds2.nc')
Out[6]:
<xarray.Dataset>
Dimensions: (latitude: 73, longitude: 144, time: 62)
Coordinates:
* time (time) datetime64[ns] 2002-07-01T12:00:00 2002-07-01T18:00:00 ...
* latitude (latitude) float32 90.0 87.5 85.0 82.5 80.0 77.5 75.0 72.5 ...
* longitude (longitude) float32 0.0 2.5 5.0 7.5 10.0 12.5 15.0 17.5 20.0 ...
Data variables:
tcw (time, latitude, longitude) float64 20.31 20.31 20.31 20.31 ...
new_var (time, latitude, longitude) float64 60.92 60.92 60.92 60.92 ...